描述 #

音频评分算子 - 使用 audiobox_aesthetics 对音频进行质量评分

核心功能 #

• 使用 audiobox_aesthetics 模型对音频片段进行质量评分
• 提供四个评分维度：CE (连贯性/听感投入度)、CU (清晰度/可懂度)、PC (制作质量/构成质量)、PQ (感知质量/主观音质)
• 支持本地和远程 (tos://) 音频文件
• 适用于音频质量评估、音频筛选、质量控制等场景

评分维度说明 #

• CE (连贯性/听感投入度): 反映音频内容是否连贯，以及音频在主观听感上是否具有吸引力
• CU (清晰度/可懂度): 反映声音清晰度、语音可懂度
• PC (制作质量/构成质量): 反映录音、混音、结构等制作层面的质量
• PQ (感知质量/主观音质): 综合主观听感质量

算子参数 #

输入 #

输出 #

结构化结果数组，其中每个元素包含以下字段：

• CE (float): 连贯性/听感投入度评分
• CU (float): 清晰度/可懂度评分
• PC (float): 制作质量/构成质量评分
• PQ (float): 感知质量/主观音质评分

处理失败的音频返回包含 0.0 值的结构

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 daft 运行算子对音频进行评分。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.audio import AudioMetascore
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    TOS_TEST_DIR_URL = os.getenv("TOS_TEST_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S",
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {"audio_path": [f"https://{TOS_TEST_DIR_URL}/public/archive/audio_metascore/sample.wav"]}
    df = daft.from_pydict(samples)
    df = df.with_column(
        "audio_metascore",
        las_udf(
            AudioMetascore,
            num_cpus=1,
            batch_size=1,
            concurrency=1,
        )(col("audio_path")),
    )

    df.show()
    # ╭────────────────────────────────┬────────────────────────────────────────────────────────────╮
    # │ audio_path                     ┆ audio_metascore                                            │
    # │ ---                            ┆ ---                                                        │
    # │ String                         ┆ Struct[CE: Float64, CU: Float64, PC: Float64, PQ: Float64] │
    # ╞════════════════════════════════╪════════════════════════════════════════════════════════════╡
    # │ https://las-public-data-qa.to… ┆ {CE: 5.909880638122559,                                    │
    # │                                ┆ CU: 6…                                                     │
    # ╰────────────────────────────────┴────────────────────────────────────────────────────────────╯